北美发布图文报道
在亚裔服务中心（Asian Focus）4月18日举办的“AI时代职业训练指南”讲座中，来自思科（Cisco）公司、拥有14年以上经验的工程师 Naren Chapa，并没有从AI技术本身讲起，而是从一个职业早期的真实场景切入，重新定义了“在AI时代什么才真正重要”。
一次“战情室”经历：技术的底层从未改变
他回忆，刚入职不久就被拉进一次高压“战情室”：客户投诉、架构师在场、管理层旁听，而他是现场最年轻、最缺经验的人。在几乎没有发言信心的情况下，他没有试图展示复杂思路，而是从最基础的配置检查入手，最终定位到一个重复IP地址的问题，解决了整个故障。
这段经历成为他职业判断的起点：
很多问题的解决，并不依赖复杂工具，而是依赖扎实的基础能力。
AI带来变化，但没有改变“被筛选的能力”
在他看来，当前就业环境确实更具挑战，但变化不在于机会减少，而在于企业用人逻辑的转变：
- AI正在显著放大个人产出
- 自动化正在替代重复性工作
- 团队规模趋于精简
他以自身团队为例：原本22人的团队已缩减至6人，但产出要求并未降低。这意味着，企业并不是不需要人，而是希望用更少的人完成更复杂的任务。
在这样的背景下，AI能力正从“加分项”转变为“基本要求”。但他特别强调，企业真正寻找的，并不是“会用工具的人”，而是能够用AI解决问题的人。
从“用工具”到“构建系统”：能力的分水岭
他提出一个关键区分：简单使用AI，并不等同于具备AI能力。
企业更看重的是：
- 是否理解系统架构
- 是否能将AI嵌入业务流程
- 是否具备跨模块整合能力
“我们不是在找会问AI问题的人，而是在找能把系统搭起来的人。”
换句话说，AI只是工具，真正的门槛仍然是工程能力本身。
面试与职场：决定结果的是“水面之下”的部分
在谈到招聘标准时，他指出一个常被忽略的现实：简历、GPA和证书只是表面条件，真正决定结果的是更深层的能力：
- 基础知识是否扎实
- 是否具备问题解决能力
- 是否有责任意识（ownership）
- 是否具备沟通能力
其中，沟通能力尤为关键——在他看来，良好的表达可以将技术能力放大两到三倍。
在AI时代，最稀缺的是“对结果负责”
他用一个简单的问题解释“主人翁意识”：如果AI给出了错误答案，谁来负责？
AI不会承担责任，它只会基于输入输出结果。最终需要验证、判断并承担后果的，仍然是人。
因此，企业真正关注的不是你是否使用AI，而是：
你是否理解结果、验证结果，并对结果负责。
求职策略：从“会什么”到“证明你做过”
在求职准备方面，他给出一个清晰的优先级：
证书 → 技能 → 项目证明
其中，“证明你做过”变得越来越重要。企业不仅看你学过什么，更会看：
- GitHub项目
- 实际案例
- 自动化脚本
- 公开展示或分享
甚至在背景调查中，会主动查看候选人的“数字足迹”。
深度与表达：比“多学”更关键
面对“该学什么”的焦虑，他给出的建议非常直接：不要同时铺开太多方向，而应选择一个领域深入。
无论是AI、云计算、网络还是安全，职业早期最重要的是建立“深度”。
与此同时，他强调表达能力的重要性——很多候选人并非能力不足，而是无法清晰讲述自己的经历。他建议用结构化方式（如Situation-Action-Result）进行表达，并尽量量化成果。
从焦虑到行动：扩大“影响圈”
针对求职焦虑，他借用“影响圈”与“关注圈”的概念：
很多人关注的是市场环境、岗位减少等无法控制的因素，而真正可以改变的是：
- 技能提升
- 表达能力
- 个人品牌
- 项目展示
“优秀的人，会不断扩大自己能影响的部分。”
他特别提到，LinkedIn不应只是简历复制，而应成为“价值展示页”，清晰呈现你能为谁解决问题，以及带来了什么结果。
结语：AI是放大器，而不是替代者
在分享最后，他给出一句高度概括的判断：
AI不会取代工程师，但会用AI的工程师，会取代不会用的工程师。
从“战情室”的基础排查，到AI时代的系统构建，这位工程师反复强调的，其实是一条未曾改变的底层逻辑——
技术在变，工具在变，但真正决定差距的，始终是：
解决问题的能力、清晰的思考，以及对结果负责的态度。